深度原理发布 Hydrogen-1.0，面向化学、材料和生命科学的 7530 亿参数开放权重模型
这家杭州公司以实验记录和科学发现轨迹对智谱 GLM-5.3 进行后训练，称其在 FrontierScience-Research 上得分 38.3%，高于 GPT-6-Astra 的 33.3%；成绩为自报，训练数据未公开。
为何重要
近期多数 AI 科研成果来自闭源模型，深度原理将 Hydrogen-1.0 定位为采用 MIT 许可、研究者可自行运行和审查的可检验替代方案。其宣称的领先幅度不大且来自公司自测，在核磁共振结构解析上仍落后于 GPT-6-Astra。值得关注的是基准成绩能否被独立复现，以及实验室是否将其用于实验规划——公司称在这方面胜过 Kimi-K3。
要点
- 7530 亿参数，基于 GLM-5.3 后训练
- FrontierScience-Research 得分 38.3%，GPT-6-Astra 为 33.3%（自报）
- GPQA-Diamond 得分 93.0%（报道）
- 采用 MIT 许可发布
- 100 万 token 上下文，最大输出 12.8 万
- 未公开完整数据集和训练方案